"축산·폐기물 메탄 100kg이상 누출시 AI로 즉각 탐지"

UNIST 초분광 기술 개발…동일조건서 CO₂보다 84배 더 온난화에 영향

지구 온난화를 일으키는 온실가스 가운데, 이산화탄소에 이어 두 번째로 지구에 영향을 미치는 비중이 큰 메탄 누출을 자동 탐지하는 기술이 개발됐다.

메탄은 2020년 기준 지구온난화 지수가 이산화탄소 대비 약 84배 더 높다. 같은 누출량이면 메탄이 84배 다 빨리 온난화를 가속한다는 의미다.

임정호 UNIST 지구환경도시건설공학과 교수팀이 초분광 위성 데이터에서 메탄 구름 기둥(플룸)을 자동 탐지하는 인공지능(AI) 기술을 개발했다.

인공지능을 활용한 메탄 플룸 탐지 특성 분석 결과. (a)와 (b)는 AI모델이 중요하다고 판단한 영역을 시각화했다. (c)는 파장영역 분석도. (그림=UNIST)

25일 임 교수 연구팀에 따르면 NASA(미항공우주국) 국제우주정거장 관측 초분광 위성 자료 'EMIT'(지구 표면 광물 먼지 발생원 조사)를 영상분할 딥러닝 모델에 학습시키는 방법으로 위성영상 속 메탄 누출 기둥을 자동 탐지하는 모델을 만들었다.

연구팀은 이 모델로 세계 각지 대규모 메탄 배출 사례와 투르크메니스탄, 알제리, 미국 등지 석유·가스 시설, 폐기물 처리장, 석탄 채굴지 등 다양한 배출원에서 발생한 메탄 기둥을 포착하는데 성공했다.

임 교수는 "대략 메탄농도 800ppm이상 탐지가 가능했다. 센서 자체 검출 한계는 EMIT는 1,000kg/hr이고, 타나거-1은 100kg/hr였다"고 설명했다.

연구팀은 두 종류 데이터를 3종류의 대표적인 영상 분할 딥러닝 모델에 각각 학습시켜 이 같은 자동 탐지 모델을 개발했다.

빛의 세기 데이터인 복사휘도와, 이 데이터를 1차 처리해 메탄 농도 증가 영역을 강화한 자료를 CNN(합성곱 신경망)-ASPP(다중 스케일 특징 추출 모델)와 다중 커널 기반 U-Net 분할 모델(인셉션 U-Net,), 경량 트랜스포머 분할 네트워크(SegFormer) A모델에 각각 학습시켰다.

또 민간 위성을 이용한 초분광 위성자료인 타나거-1에서도 이같은 방식을 적용, 학습시킬 때도 비슷한 탐지 성능을 나타냈다.

연구에는 양세영·김예진 연구원이 공동 제1저자로 참여했다.

UNIST 연구팀.왼쪽부터 임정호 교수, 양세영·김예진 연구원(이상 제1저자) 및 추민기·최현영 연구원.

임정호 교수는 "향후 대규모 메탄 누출을 더 빨리 찾아내고 대응하는 차세대 온실가스 감시 기술로 활용될 수 있을 것”이라며 "기존에는 자료 처리와 전문가 검토에 시간이 걸리는 한계가 있었다"고 말했다.

연구 결과는 국제 학술지 npj 기후와 대기과학(npj Climate and Atmospheric Science)에 게재됐다.